Praktisi analitik dalam bisnis, sayangnya, tidak memiliki "bushido" seragam yang dapat memberi tahu para pemimpin bisnis bagaimana membuat penggunaan data yang lebih baik. Hal ini dapat menyebabkan konflik yang dapat membuat semua yang terlibat meraih pedang kitana.
Tetapi cukup banyak metafora samurai ….
Untungnya, buku-buku yang lebih canggih tersedia bagi para manajer bisnis yang mencari analitik untuk mengimbangi intelijen bisnis.
Dua praktisi utama di antara intelijen bisnis adalah Thomas Davenport, yang kami tinjau bersama Analisis Di Tempat Kerja dan profesor bisnis dan statistik Jinho Kim. Mereka adalah penulis Keeping Up the Quants: Panduan Anda untuk Memahami dan Menggunakan Analytics.
Buku ini menggali signifikansi strategis tentang bagaimana orang dan ide-ide digunakan sebelum memilih solusi analitis apa pun. Dimaksudkan untuk para manajer, buku ini menjadi bacaan yang bagus bagi para pemimpin yang mencoba untuk mengurung data dalam organisasi mereka.
Data Anda adalah Bisnis Anda
Mengikuti Perkembangan The Quants memiliki kapasitas untuk memperluas diskusi tentang kegunaan data. Kami semakin membaca atau mendengar istilah "Big Data," tetapi banyak penulis tidak pernah sampai pada akhir intelijen bisnis dari topik - dengan kata lain, bagaimana analitik bekerja di luar angka? Davenport telah mengungkapkan perspektif analitis dalam karya-karya sebelumnya, seperti Panggilan Penghakiman . Di Pertanyaan dia dan Kim tidak membuang waktu menggali lebih dalam mengapa big data adalah cara baru untuk membangun bisnis, mencatat:
“Data besar dan analitik tidak hanya meningkatkan pengambilan keputusan internal. Banyak organisasi berbasis internet - Google, Facebook, Amazon, eBay, dan lainnya - menggunakan apa yang disebut data besar dari transaksi online tidak hanya untuk mendukung keputusan tetapi untuk membuat penawaran produk dan fitur baru bagi pelanggan. ”
Perspektif Yang Memberikan Tim Bisnis Kecil “Kecerdasan Besar”
Usaha kecil yang menumbuhkan karyawan harus mengelola jumlah kepala dan bagaimana sumber daya itu digunakan. Karena analitik di luar metrik dasar dapat mengarah pada kepala yang berdedikasi untuk pengukuran, buku ini menawarkan ide tentang bagaimana menumbuhkan organisasi Anda menjadi kebutuhan daripada secara acak memilih sumber daya. Bab "Membingkai Masalah" menunjukkan bagaimana mengatur tantangan analitis:
“Keputusan untuk terus maju mungkin didorong oleh firasat atau intuisi. Standar bukti pada saat ini rendah. Tentu saja, inti dari analisis kualitatif adalah untuk akhirnya menerapkan beberapa data dan menguji dugaan Anda. Itulah perbedaan antara pemikir analitis dan yang lain: Mereka menguji firasat mereka dengan data dan analisis. Hal terpenting dalam tahap pengenalan masalah adalah memahami sepenuhnya masalah dan mengapa itu penting. ”
Para penulis mengungkapkan tahapan dan langkah-langkah tentang cara menilai dan menyajikan informasi, semua dengan pengingat langsung seperti berikut:
“Karena orang yang analitik merasa nyaman dengan istilah teknis … mereka sering menganggap audiens mereka juga demikian. Tetapi ini adalah kesalahan yang tragis. ”
Dengan mudah, segmen "Memecahkan Masalah" mengikuti dengan ide-ide yang mungkin paling dapat ditindaklanjuti untuk bisnis kecil. Di dalam segmen ini dan lainnya, aspek-aspek menyenangkan berlimpah untuk membuat poin analisis tetap menarik. Ada sedikit sejarah tentang pekerjaan Florence Nightingale dengan angka kematian yang terkait dengan visualisasi data. Saya menyukai "persamaan Fido", versi yang menyenangkan untuk menjelaskan apa model yang harus dan harus dilakukan. Konsep yang dibayangkan datang tepat sebelum samping pada menugaskan variabel dalam model:
“Seperti halnya proses pemilihan variabel, bahkan hal-hal yang cukup subyektif dapat diukur dengan cara sistematis…. Tidak peduli data apa yang Anda miliki, selalu ada kemungkinan untuk mendapatkan lebih banyak data, atau data yang berbeda dari apa yang semula Anda gunakan dalam memikirkan masalah Anda. "
Penulis mengambil model, variabel, dan visualisasi data, membuat buku ini menjadi pilihan yang tepat untuk dibaca sebelum topik analitik spesifik lainnya. Anda dapat membacanya sebelum mengambilnya Prediktif Analisis dan Data besar tanpa rincian bahasa pemrograman diperiksa dalam buku-buku seperti Yahoo Web Analytics .
Jika Anda menemukan diri Anda terlibat dalam pertarungan untuk mengambil keputusan berdasarkan data, Anda akan menemukannya Mengikuti Permintaan sebagai senjata yang cocok untuk memenangkan hari.
4 Komentar ▼
